遥感反演地表温度
landsat遥感影像地表温度反演教程（大气校正法）
landsat遥感影像地表温度反演教程（⼤⽓校正法）基于辐射传输⽅程的Landsat数据地表温度反演教程⼀、数据准备Landsa 8遥感影像数据⼀景，本教程以重庆市2015年7⽉26⽇的=⾏列号为（128，049）影像（LC81280402016208LGN00）为例。
同时需提前查询影像的基本信息（详见下表）⼆、地表温度反演的总体流程三、具体步骤1、辐射定标地表温度反演主要包括两部分，⼀是对热红外数据，⼆是多光谱数据进⾏辐射定标。
（1）热红外数据辐射定标选择Radiometric Correction/Radiometric Calibration。
在File Selection对话框中，选择数据LC81230322013132LGN02_MTL_Thermal，单击Spectral Subset选择Thermal Infrared1（10.9），打开Radiometric Calibration⾯板。
Scale factor 不能改变，否则后续计算会报错。
保持默认1即可。
（2）多光谱数据辐射定标选择要校正的多光谱数据“LC81230322013132LGN02_MTL_MultiSpectral”进⾏辐射定标。
因为后续需要对多光谱数据进⾏⼤⽓校正，可直接单击Apply Flaash Settings，如下图。
注意与热红外数据辐射定标是的差别，设置后Scale factor值为0.1。
2、⼤⽓校正本教程选择Flaash 校正法。
FLAASH Atmospheric Correction，双击此⼯具，打开辐射定标的数据，进⾏相关的参数设置进⾏⼤⽓校正。
注意：如果在多光谱数据辐射定标时Scale factor值忘记设置，可在本步骤中打开辐射定标数时设置single scale faceor 值为0.1，若已设置，则默认值为1即可。
1)Input Radiance Image：打开辐射定标结果数据；2)设置输出反射率的路径，由于定标时候；3)设置输出FLAASH校正⽂件的路径，最优状态：路径所在磁盘空间⾜够⼤；4)中⼼点经纬度Scene Center Location：⾃动获取；5)选择传感器类型：Landsat-8 OLI；其对应的传感器⾼度以及影像数据的分辨率⾃动读取；6) 设置研究区域的地⾯⾼程数据；7)影像⽣成时的飞⾏过境时间：在layer manager中的Lc8数据图层右键选择View Metadata，浏览time字段获取成像时间；注：也可以从元⽂件“LC81230322013132LGN02_MTL.txt”中找到，具体名称：DATE_ACQUIRED = 2013-05-12；SCENE_CENTER_TIME = 02:55:26.6336980Z；8) ⼤⽓模型参数选择：Sub-Arctic Summer（根据成像时间和纬度信息选择）；9) ⽓溶胶模型Aerosol Model：Urban，⽓溶胶反演⽅法Aerosol Retrieval：2-band（K-T）；10) 其他参数按照默认设置即可。
定量遥感课件地表温度反演-最新课件
地表温度的反演-地表温度反演算法
• 单通道多角度法
同一物体从不同角度观测所经过的大气路径不 同而产生不同的大气吸收。 大气的作用可通过单通道在不同角度观测下所 获得的亮温的线性组合来消除。 大量的工作用于研究海水表面温度的反演 只有少量的关于陆面温度反演的研究。（由于 不同角度的地面分辨率不同，以及陆地表面状 况很不均匀和地物类型复杂）
Wan 和 Dozier(1989)把遥测地表温度当作一个地球物理 学的反演问题,通过Lowtran程序进行数值模拟,评价了温度反演 的可行性并提出了合理的波谱段范围,认为通过多波谱同时反演地 表温度和地表比辐射率是可行的。
Wan 和 Dozier(1996)通过大气传输模型进一步模拟计算 指出：1)统计回归的系数与传感器的视角有关；2)为了提高反演 精度，模拟计算回归系数时有必要把大气含水量、大气低层温度 和地表温度考虑进去,而不能在所有的情况下都用相同的系数来反 演地表温度。
MODIS
通道 3 4 5 20 22 23 29 31 32 33
波长范围 (mm) 3.54-3.94 10.32-11.32 11.41-12.38 3.660-3.840 3.929-3.989 4.020-4.080 8.400-8.700
10.780-11.280 11.770-12.270 13.185-13.485
设太阳的影响可忽略：
e T s i B i 1 B iT i R a ti i1 iR a ti
e
i
•大气参数的计算需要知道大气的温度和在通道上大气 吸收体密度的垂直廓线，而且还需知道这些大气吸收体 的物理特性。
地表温度的反演-地表温度反演算法
✓单通道法的精度取决于： ✓ 大气辐射传输模型的精度
地表温度与近地表气温热红外遥感反演方法研究
地表温度与近地表气温热红外遥感反演方法研究一、本文概述本文旨在探讨和研究地表温度与近地表气温的热红外遥感反演方法。
随着遥感技术的快速发展，热红外遥感已成为获取地表温度信息的重要手段。
地表温度是地球表面与大气之间热交换过程的关键参数，对于理解地表能量平衡、气候变化、城市热岛效应等具有重要意义。
近地表气温作为地表与大气层之间的重要参数，对气象学、气候学、环境科学等领域的研究也具有重要作用。
本文将首先介绍热红外遥感的基本原理和方法，包括热红外辐射的基础理论、遥感传感器的选择和使用、遥感数据的获取和处理等。
在此基础上，我们将详细阐述地表温度和近地表气温的热红外遥感反演方法，包括遥感图像的预处理、辐射定标、大气校正、温度反演等步骤。
我们还将探讨不同反演方法的优缺点和适用范围，以及在实际应用中可能遇到的问题和解决方案。
本文还将对地表温度和近地表气温热红外遥感反演方法的应用进行综述，包括在气象学、气候学、环境科学、城市规划等领域的应用案例和研究成果。
通过本文的研究，旨在为相关领域的研究人员提供有益的参考和借鉴，推动热红外遥感反演技术的发展和应用。
二、理论框架与基本原理地表温度与近地表气温热红外遥感反演方法研究的理论框架主要基于热红外辐射传输理论、地表能量平衡原理和遥感反演算法。
这些理论共同构成了从卫星或航空遥感平台获取的热红外数据到地表温度或近地表气温的转换过程。
热红外辐射传输理论描述了热红外辐射在大气中的传播和与地表相互作用的过程，是遥感反演地表温度的基础。
地表能量平衡原理则提供了地表与大气之间能量交换的理论依据，是理解地表温度动态变化的关键。
遥感反演算法则是根据热红外数据和大气参数，结合辐射传输模型和地表能量平衡模型，反演出地表温度或近地表气温的方法。
在热红外遥感中，地表和大气发射的热红外辐射包含了丰富的温度信息。
地表温度可以通过测量地表发射的热红外辐射强度，结合大气参数和地表发射率，利用辐射传输方程求解得到。
基于卫星遥感数据的地表温度遥感反演与应用
基于卫星遥感数据的地表温度遥感反演与应用地表温度是地球表面的温度，它是地球气候系统中重要的参数之一。
随着卫星遥感技术的发展，利用遥感数据来反演地表温度的方法越来越受到关注，并在气候研究、环境监测、农业等领域得到广泛应用。
基于卫星遥感数据的地表温度反演主要利用热红外波段的遥感数据，如MODIS、Landsat等卫星传感器获取的热红外数据。
地表温度反演的基本原理是利用地表辐射热红外能量的辐射率与温度之间的关系，通过对热红外波段的辐射定量测量，推算出地表温度。
地表温度的反演方法主要包括基于辐射平衡原理的方法和基于物理模型的方法。
基于辐射平衡原理的方法是利用卫星遥感数据中的辐射率，通过辐射平衡方程计算地表温度。
基于物理模型的方法则是基于热辐射传输和能量平衡的物理原理，建立地表辐射和能量平衡方程，通过求解方程组来反演地表温度。
除了以上两种基础的反演方法，还有一些改进的算法被提出，如基于统计模型、基于遥感与气象资料联用等方法。
这些方法在提高地表温度反演精度和空间分辨率方面都具有一定的优势。
地表温度的遥感反演有着广泛的应用价值。
首先，在气候研究领域，地表温度是评估气候变化和研究城市热岛效应的重要指标之一。
通过对地表温度的长期观测和分析，可以揭示气候变化的趋势和规律，提供科学依据为气候预测和气候变化的评估。
其次，地表温度的反演可以应用于环境监测。
地表温度是环境质量和生态环境状况的重要反映指标之一。
通过对地表温度的监测和分析，可以评估土地利用变化对环境的影响，监测水资源的分布和变化，提供科学依据为环境保护和生态建设提供支持。
再次，在农业领域，地表温度的反演可以应用于农作物生长监测和病虫害预测。
由于农作物在不同生长阶段有不同的温度需求，通过观测地表温度可以评估农作物的生长状态和需水量，为农田水利管理提供科学依据；同时，通过地表温度的监测还可以预测农作物病虫害的发生程度，提前采取相应的防治措施，为农业生产提供技术支持和指导。
landsat5地表温度反演步骤
landsat5地表温度反演步骤
Landsat 5地表温度反演步骤如下：
1. 获取Landsat 5卫星遥感数据：从美国地质调查局(USGS)或其他相关机构获取相应的Landsat 5地表温度遥感数据。
2. 辐射校正：对遥感数据进行辐射校正，将数字计数值转换为辐射亮度。
3. 大气透过率校正：通过大气透过率模型校正遥感数据，去除大气影响。
4. 辐射温度计算：根据温度-辐射关系模型，将辐射亮度转换为辐射温度。
5. 地表辐射温度计算：考虑地表辐射率、植被覆盖、水汽含量等因素，将辐射温度转换为地表温度。
6. 数据剔除和补全：根据质量控制指标剔除无效数据，并进行缺失数据的补全。
7. 结果验证与分析：对反演结果进行验证和分析，与实地观测数据进行比较，并考虑地形、土壤类型等因素对结果进行解释和讨论。
8. 结果输出和应用：将地表温度反演结果输出为栅格数据或矢量数据，用于环境监测、气候研究、农业生产等应用领域。
需要注意的是，地表温度反演是一个复杂的过程，需要综合考虑多个因素，如大气状况、地表材料、遥感数据质量等，以确保反演结果的准确性和可靠性。
遥感应用模型10 地表温度反演模型
?受环境辐射和大气辐射传输的影响，在星载传感 器上观测到的目标的辐射亮度为
辐射亮 光谱大气 比辐射率 下行 上行
度值
透过率Leabharlann ?因此，若想获得较精确的反演温度，必须考虑 3部 分：
?将DN值精确地转换为辐射亮度值
劈窗算法
?主要利用在一个大气窗口的 两个临近红外通道， 存在与大气影响密切相关的 大气吸收、散射信息 来进行大气纠正。
? 地表温度同亮度温度和发射率之间呈线性关系。 地表温度可以用相邻的两个波段的亮度温度来线 性表示，而表达式的系数是由通道发射率决定的 ，它们不依赖于大气状况。
?劈窗算法主要是针对 NOAA/AVHRR 开发的，最初用 在海面温度反演， 20世纪 80年代开始拓展到陆地 温度反演。
?目前遥感反演地表温度的方法主要有：
?单窗算法
?劈窗算法
?多通道算法
?自然界任何高于热力学温度的物体都不断地向外 发射具有一定能量的电磁波， 其辐射能量的强度 和波谱分布的位置是温度的函数 。随着温度的增 加，总辐射能量将相应增加，辐射能量的最大波 长也将逐渐变短。
?通常我们把物体的辐射亮度 Lg与相同温度下黑体 的辐射亮度 Lb的比值称为物体的 比辐射率 ?，用它 来表征物体的发射本领。
? 劈窗算法是当前热红外遥感反演地表温度中精度 较好、应用较广的算法，可以连续提供较高精度 、较高分辨率的海面温度场。
?进一步提高劈窗算法的精度主要是通过 修正大气 影响和地表发射率 来进行的。
?单窗算法所应用的数据 TM/ETM 与多通道 NOAA 、 MODIS 等数据相比，空间分辨率较高，并且对地 表发射率的敏感性较低，单从反演的技术及精度 来讲，具有较大优势，但如果反演大区域地表温 度则需要很大的资金投人。
遥感反演地表温度
1、 裁剪出出济南市区2、 分别利用ENVI 、ERDAS 反演地表温度（LST ）、NDVI ，对LST 进行彩色显示。
3、 分析LST 、NDVI 的关系。
反演公式具体流程：图像的DN 值 辐射亮度 辐射亮温 地表温度。
反演时从图像数值（DN ）转换成绝对辐射亮度值时的公式、从辐射亮度值转成辐射亮温时的公式、从亮温转换成地表温度时的公式分别是：min min max 6255)(L L L DN L tm +-⨯=、 )1/ln(/12+=λL K K T 、 ερλl n )/(1T T T s += 其中：6tm L 为TM 传感器所接收到的辐射亮度（mW .cm -2s r-1.um -1），max L 、min L 分别是传感器所接收到的最大和最小的辐射强度，即对应于DN ＝255和DN ＝0时的最大和最小辐射强度。
对于Landsat5的TM 6波段，1K =60.77mW .cm -2s r-1.um -1,2K =1260.56K 。
S T 为地表温度（K ）；T 为辐射温度（K ）；λ为有效波谱范围内的最大灵敏度值，λ＝11.5um ，ρ=/hc δ=1.438×10-2mk ，其中δ=1.38 ×10-23/J k ，为玻尔兹曼常数，h =6.626×10-34Js ，为Plank′s 常数，c =2.998 ×108/m s ，为光速。
一般地，有植被覆盖的地表取ε＝0.95，没有植被覆盖的地表取ε＝0.92（Weng ，2004[16]）。
min L =0.1238255)(min max L L - =0.005632156 )1/ln(/12+=λL K K T 1260.56 / LOG ( 1 + 60.766 / $n8_fu )$n1_12736l / (1 + (0.0000115 * $n1_12736l /0.01438) * LOG (0.95 ) )。
地表温度热红外遥感反演方法
地表温度热红外遥感反演方法
嘿，你知道地表温度热红外遥感反演方法不？这玩意儿可厉害啦！先说说步骤吧，那得先收集热红外数据呀，就像猎人收集猎物的踪迹一样。
然后对数据进行处理，这可不能马虎，得像厨师精心烹饪美食一样认真。
接着通过特定的算法进行反演，哇，这就像魔术师变出惊喜一样神奇。
注意事项呢？数据可得准确呀，不然就像盖歪了的房子，随时可能倒塌。
算法得选对，不然就像迷路的小羊，找不到方向。
这方法安全不？放心吧，只要操作得当，就像走在平坦的大路上，稳稳当当。
稳定性也不错哟，就像可靠的老伙计，一直陪伴着你。
那应用场景可多啦！可以监测城市热岛效应，这多重要啊！就像医生给城市做体检，及时发现问题。
还能用于农业，了解土壤温度啥的，这不是超棒吗？优势也不少呢，能大面积快速监测，哇，这速度，就像火箭一样快。
而且精度也还不错，不像马大哈做事，糊里糊涂。
举个实际案例呗，在某个大城市，就用这方法监测热岛效应。
嘿，一下子就发现了哪些地方温度高，哪些地方需要改善。
效果那叫一个好，就像给城市开了一副良药。
地表温度热红外遥感反演方法超厉害，是我们了解地球温度的好帮手。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
遥感地学分析
实验报告成绩：
姓名：
学号：
班级：
题目：
课程实验报告要求
一、实验目的
掌握并熟悉band math的操作，对建筑用地分离用的几个建筑指数；学会面对对象分类；学会反演地表温度。
二、实验准备
软件准备：ENVI5.1
数据准备：中等分辨率数据AA、高分辨率数据qb_colorado.img、热岛监测band6
三、实验步骤
1.中等分辨率数据中城市范围的提取：
（1）加载数据AA，首先在BAND MATH里面计算图像的NDVI值其公式：(float(b1)-float(b2))/(float(b1)+float(b2))，正确输入公式后点击OK；
在接下来的界面中为公式中b1和b2赋予相应的波段，及近红外波段和红色波段，选择合适的路径即可点击OK；
结果如图：
（2）同样用上述发放计算图像的归一化建筑指数（NDBI值），公式同样使用前面所用，但是后面给b1和b2赋予第五和第四波段就行，同样选择合适的路径即可；
结果如图：
（3）利用前面所计算的NDVI和NDBI值计算改进的归一化裸露指数（MNDBI），MNDBI= NDBI+(1-NDVI)，首先在BAND MATH中输入一下公式并b1和b2赋予NDBI的波段和NDVI的波段；
结果如图：
（3）同样使用上述方法计算城镇用地指数（ULI）计算公式为ULI=NDBI and NDVI，同样在BAND MATH中输入公式并赋予相应的波段，在设置好输出路径即可；
结果如图：
（4）三种指数的阈值的设置，通过查看三种指数的直方图可以为每种指数的分离建筑用地提取合适的阈值；通过查看NDBI的阈值设置为0.035，并将其在band math中进行二值化；
通过查看MNDBI的阈值设置为0.681，并将其在band math中进行二值化；
通过查看ULI的阈值设置为0.004，并将其在band math中进行二值化；
（5）将三种指数的二值化图像在ARCMAP中成图，即可简单的比较三种指数的优劣；
2.高分辨率图像中城市范围的提取
（1）加载图像qb_colorado.img，打开FEATURE EXTRACTION工具选择待分类数据，点击NEXT进入下一步；
（2）设置分割和合并阈及模板大小等参数如下，点击NEXT进入下一步；
（3）添加分类类型并选择合适的样本，并为每种类型选择相应的属性，最后选择合适的分类方法；
（4）预览图如下；
（5）设置导出图像的类型，此处导出矢量图，设置好参数和路径点击FINISH即可；
（6）结果如图；
3.城市热岛遥感监测
（1）辐射定标：将DN值（即图像灰度值）转换为光谱辐射亮度L，利用公式b1*0.055158+1.2378在band math中计算辐亮度；
B1赋予第六波段；
结果：
（2）地表比辐射率E，此处先计算NDVI，方法同上即可，此处不再赘述；
计算植被覆盖度 Fv 采用的是混合像元分解法，将整景影像的地类大致分为水体、植被和建筑，具体的计算公式如下：
FV = (NDVI-NDVIS)/(NDVIV- NDVIS)其中，NDVI 为归一化差异植被指数，取 NDVIV = 0.25 和 NDVIS =0.022，且有，当某个像元的 NDVI 大于 0.25 时，FV 取值为 1；当 NDVI小于 0.022，FV 取值为 0。
利用公式：(b1 gt 0.25)*1+(b1 lt 0.022)*0+(b1 ge 0.022 and b1 le0.25)*((b1-0.022)/(0.25-0.022))计算FV
FV结果：
地表比辐射率 E=(b1 le 0)*0.995+(b1 gt 0 and b1 lt 0.3)*(0.9589 + 0.086*b2- 0.0671*b2^2)+(b1 ge 0.3)*(0.9625 + 0.0614*b2 - 0.0461*b2^2)其中b1：NDVI，b2：植被覆盖度 FV；
结果：
（3）相同温度下黑体的辐射亮度值
利用公式计算温度为 T 的黑体在热红外波段的辐射亮度 B(TS)= [L - L↑-τ·(1-E) L↓]/ τ·E，在band math中的工是为(b2-1.98-0.75*(1-b1)*3.25)/(0.75*b1)，其中b1：120m 分辨率的地表比辐射率值 E，b2：表示热红外波段的辐射定标值L；
结果：
（4）地表温度反演：
在获取温度为 T 的黑体在热红外波段的辐射亮度后，根据普朗克公式的反函数，求得地表真实温度 T：TS = K2/ln(K1/ B(TS)+ 1)对于 TM，K1 =607.76W/(m2·sr·μm)，K2 =1260.56K。
反演结果的
温度单位为 K
，则地表真实温度在band math中的计算公式为：(1260.560)/alog(607.76/b1+1)，其中b1：温度为 T 的黑体在热红外波段的辐射亮度值；
四、结果分析
在第一部分中通过最后的图片对比分析来看，我觉得归一化建筑指数对建筑用地的分离效果是最好的，但然其中不排除会有误差。
第二部分的面向对象分类比之前常用的监督和非监督分类更加的有识别性，其可以对图像进行分割识别一定的形状，可以更加精确的分类地区。
最后通过反演地表温度熟悉掌握了band math的操作，也对其中的原理懂了不少，以后也有很多地方是用的上的。
（注：可编辑下载，若有不当之处，请指正，谢谢!）。